Applications linéaires

Transcription

1 Applications linéaires Bcpst 1 2 janvier 2017 Notations du chapitre Dans tout ce chapitre, = ou et E et F sont deux espaces vectoriels sur. I Définitions et opérations I.1 Définitions Definition 1.1 Une application φ de E dans F est dite linéaire si et seulement si elle vérifie les deux propriétés suivantes : 1) (u, v) E 2, φ (u + v) = φ (u) + φ (v) ; 2) λ, u E, φ (λu) = λφ (u). Exemple L exemple le plus simple : Id E. De même pour l application λid E : E E u λu, où λ est un scalaire quelconque. Ces applications sont dénommées homotéthies vectorielles. si E est un espace vectoriel alors ϕ : E E est une application linéaire u 0 E de E = C (, ) dans E : ϕ : E E. f f de E = C 0 (, ) dans : ϕ : E f ; 1 0 f de dans : f : x 3x ; Remarque I.0 Si φ est une application linéaire de E dans F alors φ (0 E ) = 0 F. Vocabulaire et notations Une application linéaire est parfois qualifiée de morphisme d espaces vectoriels.

2 I Définitions et opérations 2 Si les espaces de départ et d arrivée sont indentiques (F = E) on parle d endomorphisme. Si l application est bijective, on parle d isomorphisme. Enfin un endomorphisme bijectif est un automorphisme. L ensemble des applications linéaires de E dans F est noté (E, F). L ensemble des endomorphismes (E), et celui des automorphismes GL(E). Application linéaire de n dans K p. Une application de la forme f : p n (x 1, x 2,..., x p ) (a 11 x 1 + a 12 x a 1p x p,..., a n1 x 1 + a n2 x a np x p ) où (a i j ) 1in,1jp n p, est réputée linéaire, de K p dans K n. On peut ainsi représenter des application linéaire de 2 dans 2, par exemple f : 2 2 (x, y) ( x + 2y, 2x + 3y). 2 y O x

3 I Définitions et opérations 3 f 2 y O x I.2 Opérations sur les applications linéaires Propriété 1.2 Soit f et g deux applications linéaires de E dans F et α. Alors f + g et α f sont deux applications linéaires de E dans F. Dém. Vérifions-le pour f + g. Soit u et v deux vecteurs et λ K. On a (f + g)(λu + v) = f (λu + v) + g(λu + v) = λ f (u) + f (v) + λ g(u) + par v) linéarité de f et de g = λ(f (u) + g(u)) + (f (v) + g(v)) = λ(f + g)(u) + (f + g)(v) Théorème 1.3 Linéarité de la bijection réciproque Soit f une application linéaire bijective de E dans F. La bijection réciproque f 1 de f est une applications linéaires de F dans E. E. Dém. On va faire un raisonnement par équivalence.

4 I Définitions et opérations 4 Soit u et v deux vecteurs et λ un scalire. On veut démontrer que On remarque que f 1 (λu + v) = λ f 1 (u) + f 1 (v) f 1 (λu + v) = λ f 1 (u) + f 1 (v) a f f 1 (λu + v) = f λ f 1 (u) + f 1 (v) aλu + v = λ f f 1 (u) + f f 1 (v) par linéarité de f λu + v = λu + v cette dernière égalité étant vraie, la première l est également. Propriété 1.4 Composée d applications linéaires Soit E, F et G trois espace vectoriel. Soit f une application linéaire de E dans F et g une application linéaire de F dans G. Alors g f est une application linéaire de E dans G. Dém. De même que précedemment. Propriété 1.5 Distributivité de la composition sur l addition Soit E, F et G trois espace vectoriel. 1) Si f 1 et f 2 sont deux application linéaire de E dans F et g une application linéaire de F dans G alors g (f 1 + f 2 ) g = g f 1 + g f 2 2) Si g 1 et g 2 sont deux application linéaire de F dans G et f une application linéaire de E dans F alors (g 1 + g 2 ) f = g 1 f + g 2 f Dém. La seconde propriété se démontre sans utiliser la linéarité d aucune application. Il n en va pas de même de la première. En effet, soit u dans F. On a g (f 1 + f 2 )(u) = g(f 1 (u) + f 2 (u)) = g(f 1 (u)) + g(f 2 (u)) par linéarité de g d où le résultat.

5 II Noyau, image d une application linéaire 5 Cette propriété de distributivité permet d assimiler la composition d application linéaire à une multiplication. On verra d ailleurs plus tard le parallèle très fort avec le produit matriciel. Cas de (E) Dans (E) la composition se comporte comme une multiplication non commutative : (E) est stable par la composition, associativité, élément neutre (Id E ), non commutativité, distributivité par rapport à l addition et transitivité par rapport à la multiplication par un scalaire. Cette analogie avec la multiplication justifie la notation suivante Notation puissance Soit f (E) et n. On note f n = f f f (f composée n fois avec elle-même) ; et f 0 = Id E par convention. Si f est bijective, on note f n = (f 1 ) n. Les propriétés caractéristiques de la notation puissance sont vérifiées. C est une surcharge assez exotique de la notation puissance, à laquelle il faudra bien prendre garde. II Noyau, image d une application linéaire II.1 Noyau Definition 2.1 Noyau d une application linéaire Soit E et F deux espaces vectoriels et f (E, F). L ensemble des solutions de l équation f (u) = 0 F, d inconnue u E, s appelle le noyau de f. On le note Ker f : Ker f = {u E tel que f (u) = 0 F } Propriété 2.2 Ker f est un sous-espace vectoriel de E. Dém. Par la caractérisation des sous-espace vectoriel: D abord Ker f E ; ensuite f (0 E ) = 0 F, donc 0 E est dans Ker f, et donc Ker f n est pas vide ; soit u et v deux vecteurs de Ker f et λ : f (λu + v) = λ f (u) + f (v) = λ0 F + 0 F = 0 F donc λu + v Ker f.

6 II Noyau, image d une application linéaire 6 Théorème 2.3 Injectivité et noyau Soit E et F deux espaces vectoriels et f (E, F). f est injective si et seulement si Ker f = {0 E }. Dém. Supposons d abord que f est injective. Soit u Ker f. Comme f (u) = f (0 E ) = 0 F et que f est injective, nécessairement u = 0 E. Ainsi Ker f = {0 E }. Réciproque : supposons que Ker f = zev. Dans ce cas, soit u et u deux éléments de E ayant la même image par f : f (u) = f (u ) f (u) f (u ) = 0 F f (u u ) = 0 F Ainsi u u Ker f. Comme Ker f est réduit au vecteur nul, u u = 0 E, donc u = u. Cela prouve que f est injective. Exemple Noyaux de l application dérivée, d une application linéaire de 2, de 3. II.2 Image Théorème 2.4 Image d un espace vectoriel par une application linéaire Soit f est une application linéaire de E dans F. Alors pour tout sev G de E, l ensemble f G est un sous-espace vectoriel de F. Dém. Par la caractérisation des sous-espace vectoriel. Definition 2.5 Image d une application linéaire Soit E et F deux espaces vectoriels et f (E, F). L ensemble f E s appelle l image de f. On le note Im f. Théorème 2.6 Image et surjectivité Soit E et F deux espaces vectoriels et f (E, F). f est surjective si et seulement si Im f = F Dém. C est une trivialité. Exemple Exemple de l image de la dérivation restreinte à [X ], à 2 [X ], de l image d une application linéaire de 2. Exemple Exemple complet : les homothéties.

7 III Applications linéaires en dimension finie 7 III Applications linéaires en dimension finie On suppose désormais que que E est un espace vectoriel de dimension finie égale à p. III.1 Caractérisation d une application linéaire en dimension finie Théorème 3.1 Caractérisation d une application linéaire Soit E et F deux espaces vectoriels, E étant de dimension finie p. Une application linéaire de E dans F est entièrement déterminée par l image des vecteurs d une base de E. Dém. Précisons l énoncé de ce théorème. Soit e 0, e 1,..., e p une base de E. Supposons que l on connaisse les images de ces vecteurs par une application linéaire f : i 1 ; p, f (e i ) = v i donné ( ) D une part on peut calculer les images de n importe quel vecteur de E par f. En effet, si u E, alors! λ 0,λ 1,...,λ p p, u = λ i e i et par suite f (u) = f λ i e i = λ i f (e i ) = λ i v i D autre part il n y a qu une seule application linéaire vérifiant la condition ( ). En effet si g vérifie ( ) alors par on refait le calcul précédent! λ 0,λ 1,...,λ p p, u = λ i e i g(u) = g λ i e i = λ i g(e i ) = λ i v i et par suite u E, g(u) = f (u) donc en fait f = g. Application I.0 Forme canonique d une application linéaire Cherchons les applications linéaires de dans. Soit donc f une application linéaire de f dans f. Posons α = f (1).

8 III Applications linéaires en dimension finie 8 L application g : x αx est linéaire (à faire). Or f et g coïncident sur une base de, à savoir (1). Donc f = g. On a donc démontré que les seuls applications linéaires de dans sont les homotéthies. III.2 Rang d une application linéaire Propriété 3.2 Soit E et F deux espaces vectoriels, f (E, F) et (e 1,..., e p ) une base quelconque de E. (f (e 1 ),..., f (e p )) est une famille génératrice de Im f. Dém. Attention, en toute généralité, ce n est pas une base! Dans ce cas on a vu Im f = Vect(f (e 1 ),..., f (e p )). Ainsi Im f est une espace vectoriel de dimension finie. De plus cetet dimension est inférieure ou égale à p. Definition 3.3 Rang d une application linéaire Soit f (E, F). On appelle rang de f la dimension de l espace vectoriel Im f : rg f déf. = dim(im f )). III.3 Théorème du rang, bijectivité Théorème 3.4 Théorème du rang Soit E et F deux espaces vectoriels, E de dimension finie et f (E, F). dim Ker f + dim Im f = dim E. Dém. On compléte une base de Ker f en une base de E. Ensuite on démontre que les images des vecteurs qui complétent forment une famille libre. Corollaire 3.5 Soit f une application linéaire entre deux espace vectoriel E et F de dimensions finies. 1) f est injective si et seulement si rg f = dim E ; 2) f est surjective si et seulement si rg f = dim F ; 3) f est bijective si et seulement si rg f = dim E = dim F ; Dém. à l aide du théorème du rang.

9 IV Matrice d une application linéaire 9 Corollaire 3.6 Si F est de dimension finie et si dim F = dim E alors on a l équivalence f est injective f surjective f bijective Dém. Ce théorème est particulièrement utile dans le cas des endomorphismes. Propriété 3.7 Soit E et F deux espaces vectoriels, E de dimension finie (resp. F de dimension finie) et f (E, F). S il existe un isomorphisme entre E et F alors F est aussi de dimension finie (resp. E est aussi de dimension finie) et dim E = dim F. Application I.0 L ensemble des E suites récurrentes d ordre 2 vérifiant n, u n+2 = au n+1 + bu n (où a et b sont deux scalaires donnés) est une espace vectoriel de dimension 2. C est une espace vectoriel en tant que noyau de f Il est de dimension 2 car g : E 2 est bijective. u (u 0, u 1 ) : u (u n+2 au n+1 bu n ) n. IV Matrice d une application linéaire C est un outil très efficace, mais dont la définition doit être bien maîtrisée! On se place dans le cas où E et F sont deux espace vectoriel de dimensions finies, respectivement p et n. IV.1 Définition Soi = e 0, e 1,..., e p une base de E et = 0, 1,..., p f une base de F. Soit φ une application linéaire de E dans F. On a vu que φ est entièrement déterminé par l image des vecteurs de la base, c est-à-dire par φ (e 1 ) = m 11 f 1 + m 21 f m n1 f n φ (e j ) = m 1 j f 1 + m 2 j f m nj f n φ (e p ) = m 1p f 1 + m 2p f m np f n

10 IV Matrice d une application linéaire 10 Definition 4.1 Matrice d une application linéaire Soit E et F deux espaces vectoriels, E et F de dimensions finies, = e 1, e 2,..., e p une base de E et = (f 1, f 2,..., f n ) une base de F. Soit f (E, F). On appelle matrice de l application linéaire f dans les bases et la matrice de la famille (f (e 1 ),..., f (e p )) dans la base. Dans le cas d un endomorphisme, on convient de prendre la même base au départ et à l arrivée. On note simplement mat (φ ) dans ce cas. On a aussi mat (f ) = (m i j ) 1in 1jp Exemple identité, application linéaire nulle, homothéties ; exemple dans n avec les bases canoniques. Théorème 4.2 Unicité de la matrice Deux bases étant données, à une matrice correspond une unique application linéaire. Dém. C est un corollaire du théorème?? Corollaire 4.3 Soit M n,p (). Il existe une unique application linéaire φ de p dans n dont M est la matrice dans la base canonique de n. IV.2 Opération sur les matrices Soi = e 0, e 1,..., e p une base de E et = f1, f 2,..., f p une base de F. Soit φ et ψ deux application linéaire de E dans F. Théorème 4.4 Opérations et représentation matricielle Soit E et F deux espaces vectoriels, E et F de dimensions finies, une base de E et une base de F. 1) mat (f + g) = mat (f ) + mat (g) ; 2) pour λ, mat (λ f ) = λ mat (f ). Utilisation du produit matriciel Théorème 4.5 Utilisation du produit matriciel - I

11 IV Matrice d une application linéaire 11 Soitφ (E) et M la matrice représentantφ dans les bases et. Si u est un vecteur de u représenté par U dans la base alors M U représente φ (u) dans la base. Dém. Par le calcul. On se place maintenant dans le cas d endomorphismes. Théorème 4.6 Utilisation du produit matriciel - II Soit f et g deux endomorphismes représentés respectivement par M et N dans la base de E. Alors M N représente f g dans la base. Ainsi au calcul matriciel correspond un calcul identique sur les endomorphismes. On a logiquement le résultat suivant Théorème 4.7 Utilisation du produit matriciel - III Soit f un endomorphisme représenté par la matrice M dans la base. L endorphisme f est bijectif si et seulement si M est inversible. De plus, dans ce cas M 1 = mat (f 1 ). Dém. Si M est inversible : on pose g l unique endorphisme dont la matrice est M 1. Comme la matrice de f g et de g f est I n, on en déduit que f g = g f = Id E et donc que f est bijective de bijection réciproque g. Ce théorème permet de calculer facilement la bijection réciproque d un automorphisme. Enfin pour compléter l analogie, notons que Théorème 4.8 Matrice d une application linéaire et rang Soit f un endomorphisme représenté par la matrice M dans la base. rg f = rg M Application I.0 Soit M une matrice carrée. On suppose qu il existe N tel que M N = I n. Alors M est inversible, d inverse N. En effet, si f et g sont les application linéaire de n associées à M et N dans la base canonique de n, il est facile de voir que g est injective, donc bijective. Sa bijection réciproque est nécessairement f.